[논문 리뷰] Parallel photonic reservoir computing based on frequency multiplexing of neurons.

Lorenz Butschek, Akram Akrout외 3명|arXiv (Cornell University)|2020. 08. 25.

Neural Networks and Reservoir Computing참고 문헌 1인용 수 4

한 줄 요약

이 논문은 병렬 광역계산 기반의 복합체 컴퓨팅 시스템을 제안하며, 주파수 도메인 다중화를 통해 다중 뉴런 상태를 동시에 처리함으로써 순차적 아키텍처보다 빠른 계산을 가능하게 한다. 표준 벤치마크 과제에서 최신 성능을 달성하면서도 지연 시간과 시스템 면적을 감소시켜, 전적으로 광학적인 정보 처리 기술을 발전시킨다.

ABSTRACT

Photonic implementations of reservoir computing can achieve state-of-the-art performance on a number of benchmark tasks, but are predominantly based on sequential data processing. Here we report a parallel implementation that uses frequency domain multiplexing of neuron states, with the potential of significantly reducing the computation time compared to sequential architectures. We illustrate its performance on two standard benchmark tasks. The present work represents an important advance towards high speed, low footprint, all optical photonic information processing.

연구 동기 및 목표

• 순차적 광역계산 복합체 컴퓨팅의 속도 한계를 극복하기 위해 뉴런 상태를 병렬 처리할 수 있도록 하는 것.
• 주파수 도메인 다중화를 통해 광역계산 복합체 컴퓨팅의 계산 시간과 시스템 면적을 줄이는 것.
• 병렬 아키텍처를 활용해 고성능 전적으로 광학적인 정보 처리를 실현하는 것.
• 표준 벤치마크 과제에서 이론적 검증을 통해 순차적 설계 대비 성능 우월성을 입증하는 것.

제안 방법

• 시스템은 주파수 도메인 다중화를 사용하여 개별 뉴런 상태에 고유한 광학 주파수를 할당함으로써 주파수 도메인에서 병렬 처리를 가능하게 한다.
• 뉴런 상태는 단일 광신호 내의 서로 다른 주파수 캐리어에 진폭 또는 위상 변조로 표현된다.
• 복합체 역학은 시간 다중화 또는 공간적으로 분포된 광학 소자를 갖는 수동 광학 네트워크로 구현된다.
• 입력 신호는 특정 주파수에 주입되고, 출력은 주파수 스펙트럼 전반에 걸쳐 병렬로 검출 및 처리된다.
• 광학 소자의 고대역폭과 저지연 특성을 활용하여 실시간 계산을 달성한다.

실험 결과

연구 질문

• RQ1 주파수 도메인 다중화가 광역계산 복합체 컴퓨팅에서 뉴런 상태의 병렬 처리를 가능하게 할 수 있는가?
• RQ2 이 병렬 아키텍처는 표준 벤치마크 과제에서 기존의 순차적 광역계산 복합체 컴퓨팅 대비 성능이 어떻게 비교되는가?
• RQ3 이 병렬 설계는 계산 시간과 시스템 면적을 얼마나 줄일 수 있는가?
• RQ4 성능 저하 없이 주파수 도메인에서 효과적으로 다중화할 수 있는 뉴런 수의 최대치는 얼마인가?

주요 결과

• 병렬 광역계산 복합체 컴퓨팅 시스템은 순차적 구현 대비 상당히 감소된 계산 시간을 달성한다.
• 시스템은 표준 벤치마크 과제에서 최신 성능을 보이며, 계산 효율성의 타당성을 입증한다.
• 주파수 다중화를 통해 뉴런 상태의 효율적 병렬 처리가 가능하며, 교차 간섭 최소화와 높은 신호 정밀도를 확보한다.
• 아키텍처는 낮은 면적과 높은 속도를 유지하여 확장 가능한 전적으로 광학적인 정보 처리에 적합하다.